TiRex: การพยากรณ์อนุกรมเวลาแบบ Zero-Shot ด้วย xLSTM
TiRex เป็นแบบจำลองการพยากรณ์อนุกรมเวลาแบบ Zero-Shot ที่ได้รับการฝึกฝนล่วงหน้า ซึ่งเปิดตัวในปี 2025 โดยทีม NX-AI xLSTM (Auer et al.) TiRex สร้างขึ้นบนสถาปัตยกรรม Extended Long Short-Term Memory (xLSTM) โดยได้รับการฝึกฝนในระดับใหญ่บนคลังข้อมูลอนุกรมเวลาที่หลากหลาย และสามารถพยากรณ์ชุดข้อมูลที่ไม่เคยเห็นมาก่อนได้โดยไม่ต้องมีการปรับแต่งใดๆ แนวคิดหลักคือการใช้ประโยชน์จากการเรียนรู้ในบริบทที่ได้รับการปรับปรุง: แบบจำลองจะอ่านประวัติทั้งหมดที่มีอยู่เป็นบริบท และสร้างการพยากรณ์ทั้งสำหรับช่วงเวลาสั้นและยาวโดยตรงจากบริบทนั้น
อ่านวิธีฉบับเต็ม
เข้าสู่ระบบด้วยบัญชีฟรีเพื่ออ่านส่วนนี้
Method map
The neighbourhood of related methods — select a node to explore.
แหล่งอ้างอิง
- Auer, A., Podest, P., Klotz, D., Böck, S., Klambauer, G., & Hochreiter, S. (2025). TiRex: Zero-shot forecasting across long and short horizons with enhanced in-context learning. arXiv preprint. link ↗
วิธีอ้างอิงหน้านี้
ScholarGate. (2026, June 2). TiRex (xLSTM-based Zero-Shot Forecasting Model). ScholarGate. https://scholargate.app/th/deep-learning/tirex
Which method?
Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.
- Chronos: แบบจำลองพื้นฐานแบบโทเค็นสำหรับการพยากรณ์อนุกรมเวลาการเรียนรู้เชิงลึก↔ compare
- แอลเอสทีเอ็มการเรียนรู้เชิงลึก↔ compare
- TimesFM: แบบจำลองพื้นฐานแบบถอดรหัสเท่านั้นสำหรับการพยากรณ์อนุกรมเวลาการเรียนรู้เชิงลึก↔ compare